군중 밀도 추정과 계수는 혼잡한 장면에서 군중의 분포와 수량을 통계하는 것을 의미하며, 이는 보안 시스템, 교통 제어 등에 중요한 의미를 갖습니다. 고밀도 이미지에서 군중 밀도 추정에 있어 특징 추출의 어려움, 공간 의미 정보 획득의 난점, 특징 융합의 부족 등의 문제를 해결하기 위해 본 논문에서는 다변량 정보 융합 군중 밀도 추정 방법(Multivariate Information Aggregation, MIA)을 제안합니다. 먼저, 다변량 정보 추출 네트워크를 설계하였으며, VGG-19를 골격 네트워크로 사용하여 특징 추출 깊이를 향상시키고, 다계층 의미 지도 전략을 이용해 저층 특징의 의미 표현을 개선하며, 공간 정보 임베딩을 통해 고층 특징의 공간 정보 표현을 풍부하게 합니다. 다음으로, 다스케일 문맥 정보 융합 네트워크를 설계하였으며, 스텝이 적용된 두 개의 경량 축소공간 피라미드 풀링 구조(Simplify-atrous spatial pyramid pooling, S-ASPP)를 활용하여 전역 다스케일 문맥 정보를 융합하고 모델 파라미터 중복 문제를 완화합니다. 마지막으로, 네트워크 끝단에서는 스텝 컨볼루션을 사용하여 정확도에 영향 없이 네트워크 실행 속도를 가속화합니다. ShanghaiTech, UCF-QNRF, NWPU 데이터셋을 사용하여 비교 실험을 진행하였으며, 실험 결과 일반 데이터셋 ShanghaiTech의 Part_A 부분에서 MAE와 MSE가 각각 59.4, 96.2, Part_B 부분에서 7.7, 11.9로 나타났으며, 초고밀도 다시점 데이터셋 UCF-QNRF의 MAE는 89.3, MSE는 164.5, NWPU 데이터셋은 MAE 87.9, MSE 417.2를 기록하였습니다. 본 논문의 방법은 비교 방법에 비해 성능이 향상되었으며, 실제 장면 적용 결과에서도 좋은 효과를 확인하였습니다.

군중 밀도 추정; 의미 지도; 공간 정보 임베딩; 정보 융합; 스텝 컨볼루션